基于双目视觉技术的物体深度信息的提取-论文.pdf

《基于双目视觉技术的物体深度信息的提取-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第14卷第2期2014年1月科学技术与工程Vo1．14No．2Jan．20141671—1815f2014)02—0056—06ScienceTechnologyandEngineering⑥2014Sci．Tech．Engrg．基于双目视觉技术的物体深度信息的提取王平韩燮韩焱齐和平(中北大学计算机与控制工程学院；中国兵工集团207所，太原030051)摘要传统的双目匹配算法得到的数据是左右视图匹配点的二维坐标；但二维坐标将丢失物体的三维深度信息。提出一种利用视差原理在世界坐标系内计算该物点在现实中所对应点

2、的三维坐标的新方法。该方法分为三部分：第一部分为双目相机的标定，包括内参(主点、焦距、径向畸变、不垂直因子)以及两相机之间的外参(旋转矩阵和平移矩阵)。第二部分为特征点的提取与匹配，特征点的提取则是利用SIFT算子提取左右视图的特征点，匹配则是将两视图中的对应点(现实中为同一点)利用SIFT算法进行匹配。第三部分为物体深度信息的计算，利用双目相机的视差原理和已经得出的双目相机的参数进行空间还原得到相应的左右视图投影投射矩阵，结合空间几何线性关系计算出该点在世界坐标系的三维坐标，从而得出其深度信息。关键词双目

3、相机标定特征点SIFI"匹配视差深度计算中图法分类号TP391．41；文献标志码A双目视觉技术属于计算机视觉技术的一个分世界坐标系里，其总体流程如如图1所示：支，其思想是通过处理两幅或者多幅二维图像，获取物体的三维信息，继而还原出相应场景的三维实景图，以达到重建现实世界模型的目的。双目视觉技术的研究成果可应用于航天、航空、军事、教育、娱乐等各个领域。航天领域中的月球勘测地形车，实现了复杂条件下的设备的三维数据的精确测量及其设备定位⋯。近年来，三维景物深度感知是计算机视觉的关键技术之一，真实对象的三维模型获取

4、方法主要分为主动方法和被动方法。每种方法各有其适用范围和产生的背景，且各有优缺点。其中，主动方法指视图1总流程框图觉系统首先向场景发射能量，然后接收场接收场景的反射能量，这种方法以使用三维激光扫描仪的方1相机标定法为代表；被动方法无需发射光束，仅仅利用对象自身以及周围环境条件而进行测定，该方法的典型方相机的标定是指通过一系列的测量来确定双目法就是立体视觉法，其原理就是利用同一对象在相相机中两个镜头之问的位置关系和建立相机图像的隔一定距离的成像平面上的成像位置不同，即视差，像素位置(单位为像素)与实际场景中点

5、位置(单位通过视差来获得对象的深度信息。是毫米)之问的关系。标定之后可以获取此相机的本文总构架是双目相机的两个镜头从不同位置参数，包括主点坐标(镜头透镜中心点坐标)、焦距、同时获取目标物体及其周围景物的两幅数字图像，或径向畸变系数以及横向畸变系数等内部参数以及旋者用单相机在不同时刻从不同位置获取周围景物的转矩阵、平移矩阵等外部参数。相机的标定是计算两幅数字图像，基于视差原理，在已知两相机之间位机立体视觉最基本的问题，其标定的精度直接影响置关系的基础上，恢复出目标物体的三维空问信息，到后续深度信息的精度J。现

6、采用Jean．YvesBou—并进一步重建目标物体，能够使得所拍摄物体还原在g-net的相机标定工具箱进行标定J。1．1标定中的相关参数解释2013印8月12日收到，9月9日修改国家自然科学标定是为了能够获取所使用的双目相机的相关荩金项臼(61071193)、山西省自然基金(101001011023．1)资助的性能参数，这些参数对于后期的深度信息计算有着第一作者简介：王平(1987一)，男，河南新乡人，硕士研究生。研紧密的联系，具体内部参数名称为主点0(c，c)，转究方向：计算机视觉，计算机仿真。E-mai

7、l：331019826@qq．corn。换因子s和s，焦距以及不垂直因子，横向畸变系58科学技术与工程14卷标记完毕后利用toolbox计算出最终的左相机图片中的某的一点筛选出来，匹配是三维视觉技术的内部参数如下：中的核心部分，匹配的精度与速度直接影响到后续原点中心实验的成功与否。(C，C)=(319．559，2483426)±(0．989，2．1匹配算法解释0．896)；匹配算法根据匹配方式的不同而分为两大类：转换因子一是区域匹配，直接利用图片像素的灰度值，使用1／s=490．3233．954；一定相关算

8、法将两幅图片中具有某种约束条件的1／s=489．719±0．935；两个点寻求出来，由于这种方法是基于两幅图像不垂直因子对应点的小范围小领域来比较灰度相似度，利用0=90．00。：数理统计的方法将两幅图片量化，然后利用最大横向畸变系数似然估计的方法来确定匹配，所以这种方法的特k1=一0．02229±o．00444。点是计算量大而且误匹配率较高，并且算法的比k2=一0．02396±O．00988；较复杂；二是特征点